基于改進相對樣本熵和BIGRU的滾動軸承退化分析*

嚴 帥，熊 新

(1.昆明理工大學(xué)信息工程與自動化學(xué)院，昆明 650500；2.云南省人工智能重點實驗室，昆明 650500)

0 引言

滾動軸承是機械設(shè)備中的重要部件，也是極易出現(xiàn)故障的部件[1]，發(fā)現(xiàn)軸承故障后若能對退化趨勢進行預(yù)測，則可通過預(yù)測性維護來避免災(zāi)難事故的發(fā)生。

滾動軸承的生命周期中，一般要經(jīng)歷磨合、穩(wěn)定運行、初始退化、損傷傳播、損傷增長5個階段[2]。提取一個能夠真實反映軸承運行狀態(tài)變化規(guī)律的退化指標是軸承剩余壽命(remaining useful life，RUL)預(yù)測的基礎(chǔ)[3]。者娜等[4]提取了軸承振動信號的時域、頻域特征，通過核主成分分析(KPCA)將第一主成分用來評估軸承的性能退化情況。雖然綜合指標能較好地評估軸承性能衰退變化，但卻增加了計算復(fù)雜性。一個好的退化指標不僅要能正確反映軸承的退化趨勢，也要易于計算[5]。目前，使用最廣泛的退化指標是均方根(RMS)值，但均方根對早期故障不敏感。針對這個問題，PAN等[6]提出以相對均方根(relative root mean square，RRMS)作為退化指標，與RMS相比，該指標加強了軸承早期故障的敏感性且通用性好。熵是表征數(shù)據(jù)復(fù)雜度的指標，RICHMAN等[7]構(gòu)建了樣本熵(sample entropy)，它對數(shù)據(jù)有較好的相對一致性，但文獻[8]指出，樣本熵受信號幅度變化影響較大。都期望軸承退化指標在健康階段保持穩(wěn)定，在退化階段表現(xiàn)出良好的單調(diào)趨勢[9]。以上指標在軸承的退化階段均會明顯表現(xiàn)出“增大—減小—增大”的隨機波動，這種隨機波動對軸承的RUL預(yù)測影響較大[10-11]。

合適的RUL預(yù)測模型是提高軸承RUL預(yù)測準確性的關(guān)鍵?！?br>